半導(dǎo)體行業(yè)的未來(lái)：數(shù)字孿生引領(lǐng)潮流

人工智能和數(shù)字孿生技術(shù)的進(jìn)步提供了芯片設(shè)計(jì)和生產(chǎn)過(guò)程的潛力。

數(shù)字孿生，簡(jiǎn)單定義為對(duì)現(xiàn)實(shí)世界的實(shí)時(shí)模擬，最近開(kāi)始在半導(dǎo)體領(lǐng)域獲得發(fā)展勢(shì)頭。例如，AR是英特爾全球制造過(guò)程中不可或缺的一部分，從維護(hù)和整修，使他們能夠進(jìn)行遠(yuǎn)程通信以進(jìn)行國(guó)際故障排除并準(zhǔn)備交互式培訓(xùn)材料。

半導(dǎo)體制造是一個(gè)漫長(zhǎng)而復(fù)雜的過(guò)程。建立晶圓制造廠需要精確、清潔的環(huán)境、昂貴的設(shè)備和時(shí)間。例如，領(lǐng)先的半導(dǎo)體制造商GlobalFoundries通常需要三個(gè)月的時(shí)間才能將硅晶圓蝕刻并制造成多層半導(dǎo)體。當(dāng)芯片短缺時(shí)，在上升周期中增加產(chǎn)量變得困難，因?yàn)樾鹿S的啟動(dòng)和運(yùn)行需要數(shù)年時(shí)間。人工智能和數(shù)字孿生技術(shù)的進(jìn)步提供了加速芯片設(shè)計(jì)和生產(chǎn)過(guò)程的潛力，并幫助制造商迅速縮小供需差距。

革新半導(dǎo)體制造 “數(shù)字孿生”將為協(xié)作工作鋪平道路，并從根本上改變員工培訓(xùn)方式。光刻設(shè)備工具對(duì)于半導(dǎo)體工廠來(lái)說(shuō)最為重要，每臺(tái)成本高達(dá)4000萬(wàn)美元（對(duì)于300毫米晶圓尺寸）。但是，隨著芯片制造工藝向較低節(jié)點(diǎn)遷移，成本會(huì)猛增。建立任何新晶圓廠的一個(gè)重要方面是技術(shù)轉(zhuǎn)讓費(fèi)，其中包括收到新設(shè)施的專家和對(duì)員工進(jìn)行擬議節(jié)點(diǎn)技術(shù)培訓(xùn)。但是，創(chuàng)建模擬環(huán)境可以減少在任何新工廠進(jìn)行生產(chǎn)的時(shí)間。

英偉達(dá)的數(shù)字孿生指南解釋說(shuō)，在使用這項(xiàng)新技術(shù)之前，員工甚至可以在昂貴的系統(tǒng)上接受培訓(xùn)。一旦接受培訓(xùn)，工人就可以對(duì)這些機(jī)器進(jìn)行鑒定、操作和維修，而無(wú)需踏入安裝它們的超潔凈室。因此，虛擬工廠將允許專家更快、更便宜地設(shè)計(jì)和測(cè)試新工藝，而無(wú)需中斷實(shí)體工廠的運(yùn)營(yíng)。

除了創(chuàng)建整個(gè)工廠的數(shù)字副本外，制造商還可以使用AI技術(shù)處理來(lái)自實(shí)際工廠內(nèi)部傳感器的數(shù)據(jù)，并找到新的材料路線方式，以減少浪費(fèi)并加快運(yùn)營(yíng)速度。

日前，英偉達(dá)還宣布與富士康合作打造自動(dòng)駕駛汽車平臺(tái)（點(diǎn)擊查看詳情）。富士康將為基于英偉達(dá)DRIVE Sim平臺(tái)的汽車制造電子控制單元 (ECU)，而該平臺(tái)又基于Omniverse，使汽車制造商能夠設(shè)計(jì)汽車內(nèi)飾并保留完全在虛擬世界中的體驗(yàn)。通過(guò)注入AI 和元宇宙，英偉達(dá)旨在讓制造更智能、更高效。富士康將為Fisker Inc生產(chǎn)第二款車型，并為L(zhǎng)ordstown Motors Corp和Apple產(chǎn)品生產(chǎn)電動(dòng)汽車。

數(shù)字孿生的挑戰(zhàn)

然而，采用數(shù)字孿生技術(shù)也存在挑戰(zhàn)。Front End Analytics總經(jīng)理Juan Betts表示，系統(tǒng)越復(fù)雜，AI框架就越復(fù)雜，如果使用傳統(tǒng) “AI”技術(shù)，則需要的數(shù)據(jù)也就越多。因此，培訓(xùn)人工智能通常是其使用的主要障礙。

為了確保可靠的輸出，在許多情況下，在經(jīng)常需要手動(dòng)輸入來(lái)標(biāo)記這些數(shù)據(jù)集的情況下，會(huì)使用受監(jiān)督的機(jī)器學(xué)習(xí)模型。然而，該方法成本高昂、容易出錯(cuò)且耗時(shí)，尤其是在復(fù)雜且動(dòng)態(tài)的制造環(huán)境中。

Clear Ventures 的創(chuàng)始人Chris Rust說(shuō)道，像LAM Research、博世（已經(jīng)在其德國(guó)半導(dǎo)體工廠中使用了數(shù)字孿生）和應(yīng)用材料等組織已經(jīng)在使用替代機(jī)器學(xué)習(xí)模型，這些模型“更準(zhǔn)確，最高可達(dá)比傳統(tǒng)的基于物理的模擬快百萬(wàn)倍”。他還補(bǔ)充說(shuō)，Tignis、AspenTech 和 Ansys等技術(shù)公司在這一領(lǐng)域處于領(lǐng)先地位，他們利用數(shù)字孿生來(lái)簡(jiǎn)化工業(yè)運(yùn)營(yíng)，并使幾乎所有應(yīng)用程序都可以訪問(wèn)AI 和 ML。

有鑒于此，工業(yè)數(shù)字孿生協(xié)會(huì) (IDTA) 總經(jīng)理Christian Mosch提出了多個(gè)數(shù)字孿生之間的“可互操作”方法，其中數(shù)據(jù)在不同生命周期階段共享，包括設(shè)計(jì)、規(guī)劃、建設(shè)、培訓(xùn)和運(yùn)營(yíng)，除其他外。僅就半導(dǎo)體制造而言，就可以看到數(shù)字孿生建模和數(shù)字孿生數(shù)據(jù)標(biāo)記之間的互操作框架如何簡(jiǎn)化整個(gè)過(guò)程，類似于真實(shí)世界的系統(tǒng)。 人工智能的使用

同樣，在人工智能方面，許多系統(tǒng)已經(jīng)在各個(gè)領(lǐng)域進(jìn)行中。例如，制造領(lǐng)域的一些常見(jiàn)用例包括需求預(yù)測(cè)、庫(kù)存優(yōu)化、調(diào)度和預(yù)測(cè)性維護(hù)。美光科技智能制造（印度工廠）和人工智能總監(jiān)Shisheer Kotha指出，其中一項(xiàng)重要應(yīng)用是自動(dòng)缺陷分類，它使用圖像分析和深度學(xué)習(xí)在更短的時(shí)間內(nèi)識(shí)別根本原因，并有助于提高良率. 他補(bǔ)充說(shuō)：“這些解決方案通過(guò)結(jié)合物聯(lián)網(wǎng)和深度學(xué)習(xí)技術(shù)，提高了組裝和測(cè)試操作的質(zhì)量和早期檢測(cè)?！?

審核編輯 ：李倩